针对光伏出力的间歇性、随机性且用传统方法难以准确预测的问题,提出一种基于花斑翠鸟优化算法优化核极限学习机(Kernel Based Extreme Learning Machine,KELM)的光伏短期功率预测模型。首先采用皮尔逊相关系数选取影响光伏发电功率的主要特征因素并基于相似日理论对天气类型进行聚类;接着,采用变分模态分解法对分类后的原始数据进行分解为多个子序列,从而减少随机波动分量对数据的影响;然后利用斑翠鸟在觅食过程中的自然行为来进行优化KELM模型的核函数参数和正则化系数;最后,利用KELM模型建立历史数据之间的时间特征关系,得到光伏发电功率预测结果。结果表明,所提方法能够达到0.99的决定系数,较其他算法有更好的拟合效果;模型的预测时长仅1mim,预测效率有很大提升。
摘 要:为认识直接空冷凝汽器的动态特性,以某660MW超超临界机组的双“A”型直接空冷凝汽器为研究对象,在充分了解其工艺流程和结构特点的基础上,通过机理分析和合理简化,采用集总参数模块化建模方法,建立其动态数学模型,结合现场数据验证了模型准确性,并在汽轮机最大连续出力(Turbine Maximum Continuous Rating,TMCR)工况下对凝汽器动态特性进行仿真。仿真结果表明:仿真出的各种扰动下直接空冷凝汽器各参数的变化趋势均能通过机理分析给予合理解释;在各种扰动下,换热单元换热管束内总压和其换热管束外空气出口温度之间变化呈正相关关系;在同一扰动输入下,各换热单元换热管束内总压和换热管束外空气出口温度变化趋势相同,但在变化幅度上存在差异。本文的工作有助于加深对直接空冷凝汽器动态特性的认识,并为优化直接空冷系统的设计、控制及运行打下理论基础。